182 lines
6.0 KiB
Markdown
182 lines
6.0 KiB
Markdown
# Spark开发环境搭建
|
||
|
||
<nav>
|
||
<a href="#一安装Spark">一、安装Spark</a><br/>
|
||
<a href="#二词频统计案例">二、词频统计案例</a><br/>
|
||
<a href="#三Scala开发环境配置">三、Scala开发环境配置</a><br/>
|
||
</nav>
|
||
|
||
## 一、安装Spark
|
||
|
||
### 1.1 下载并解压
|
||
|
||
官方下载地址：http://spark.apache.org/downloads.html，选择Spark版本和对应的Hadoop版本后再下载：
|
||
|
||
<div align="center"> <img width="600px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-download.png"/> </div>
|
||
|
||
解压安装包：
|
||
|
||
```shell
|
||
# tar -zxvf spark-2.2.3-bin-hadoop2.6.tgz
|
||
```
|
||
|
||
|
||
|
||
### 1.2 配置环境变量
|
||
|
||
```shell
|
||
# vim /etc/profile
|
||
```
|
||
|
||
添加环境变量：
|
||
|
||
```shell
|
||
export SPARK_HOME=/usr/app/spark-2.2.3-bin-hadoop2.6
|
||
export PATH=${SPARK_HOME}/bin:$PATH
|
||
```
|
||
|
||
使得配置的环境变量立即生效：
|
||
|
||
```shell
|
||
# source /etc/profile
|
||
```
|
||
|
||
### 1.3 Local模式
|
||
|
||
Local 模式是最简单的一种运行方式，它采用单节点多线程(cpu)方式运行，不用部署，开箱即用，适合日常测试开发。
|
||
|
||
```shell
|
||
# 启动spark-shell
|
||
spark-shell --master local[2]
|
||
```
|
||
|
||
- **local**：只启动一个工作线程；
|
||
- **local[k]**：启动k个工作线程；
|
||
- **local[*]**：启动跟cpu数目相同的工作线程数。
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell-local.png"/> </div>
|
||
|
||
<br/>
|
||
|
||
进入spark-shell后，程序已经自动创建好了上下文`SparkContext`，等效于执行了下面的Scala代码：
|
||
|
||
```scala
|
||
val conf = new SparkConf().setAppName("Spark shell").setMaster("local[2]")
|
||
val sc = new SparkContext(conf)
|
||
```
|
||
|
||
同时从输出的日志也可以看出来，Local模式还提供了对应的Web UI界面，端口为4040。
|
||
|
||
|
||
|
||
## 二、词频统计案例
|
||
|
||
安装完成后可以先做一个简单的词频统计例子，感受spark的魅力。准备一个词频统计的文件样本`wc.txt`，内容如下：
|
||
|
||
```txt
|
||
hadoop,spark,hadoop
|
||
spark,flink,flink,spark
|
||
hadoop,hadoop
|
||
```
|
||
|
||
在scala交互式命令行中执行如下Scala语句：
|
||
|
||
```scala
|
||
val file = spark.sparkContext.textFile("file:///usr/app/wc.txt")
|
||
val wordCounts = file.flatMap(line => line.split(",")).map((word => (word, 1))).reduceByKey(_ + _)
|
||
wordCounts.collect
|
||
```
|
||
|
||
执行过程如下，可以看到已经输出了词频统计的结果：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell.png"/> </div>
|
||
|
||
同时还可以通过Web UI查看作业的执行情况，访问端口为`4040`：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/spark-shell-web-ui.png"/> </div>
|
||
|
||
|
||
|
||
|
||
|
||
## 三、Scala开发环境配置
|
||
|
||
Spark是基于Scala语言进行开发的，分别提供了基于Scala、Java、Python语言的API，如果你想使用Scala语言进行开发，则需要搭建Scala语言的开发环境。
|
||
|
||
### 3.1 前置条件
|
||
|
||
Scala的运行依赖于JDK，所以需要你本机有安装对应版本的JDK，最新的Scala 2.12.x需要JDK 1.8+。
|
||
|
||
### 3.2 安装Scala插件
|
||
|
||
IDEA默认不支持Scala语言的开发，需要通过插件进行扩展。打开 IDEA，依次点击 **File** => **settings**=> **plugins** 选项卡，搜索Scala插件(如下图)。找到插件后进行安装，并重启IDEA使得安装生效。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-plugin.png"/> </div>
|
||
|
||
|
||
|
||
### 3.3 创建Scala项目
|
||
|
||
在IDEA中依次点击 **File** => **New** => **Project** 选项卡，然后选择创建`Scala—IDEA`工程：
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-newproject-scala.png"/> </div>
|
||
|
||
|
||
|
||
### 3.4 下载Scala SDK
|
||
|
||
#### 1. 方式一
|
||
|
||
此时看到`Scala SDK`为空，依次点击`Create` => `Download` ，选择所需的版本后，点击`OK`按钮进行下载，下载完成点击`Finish`进入工程。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-select.png"/> </div>
|
||
|
||
|
||
|
||
#### 2. 方式二
|
||
|
||
方式一是Scala官方安装指南里使用的方式，但下载速度通常比较慢，且这种安装下并没有直接提供Scala命令行工具。所以个人推荐到官网下载安装包进行安装，下载地址：https://www.scala-lang.org/download/
|
||
|
||
这里我的系统是Windows，下载msi版本的安装包后，一直点击下一步进行安装，安装完成后会自动配置好环境变量。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/scala-other-resources.png"/> </div>
|
||
|
||
|
||
|
||
由于安装时已经自动配置好环境变量，所以IDEA会自动选择对应版本的SDK。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-2.1.8.png"/> </div>
|
||
|
||
|
||
|
||
### 3.5 创建Hello World
|
||
|
||
在工程 `src`目录上右击 **New** => **Scala class** 创建`Hello.scala`。输入代码如下，完成后点击运行按钮，成功运行则代表搭建成功。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/scala-hello-world.png"/> </div>
|
||
|
||
|
||
|
||
|
||
|
||
### 3.6 切换Scala版本
|
||
|
||
在日常的开发中，由于对应软件（如Spark）的版本切换，可能导致需要切换Scala的版本，则可以在`Project Structures`中的`Global Libraries`选项卡中进行切换。
|
||
|
||
<div align="center"> <img width="700px" src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/idea-scala-change.png"/> </div>
|
||
|
||
|
||
|
||
|
||
|
||
### 3.7 可能出现的问题
|
||
|
||
在IDEA中有时候重新打开项目后，右击并不会出现新建`scala`文件的选项，或者在编写时没有Scala语法提示，此时可以先删除`Global Libraries`中配置好的SDK，之后再重新添加：
|
||
|
||
<div align="center"> <img src="https://github.com/heibaiying/BigData-Notes/blob/master/pictures/scala-sdk.png"/> </div>
|
||
|
||
|
||
|
||
**另外在IDEA中以本地模式运行Spark项目是不需要在本机搭建Spark和Hadoop环境的。**
|
||
|